java正则匹配html片段，并取得标签中的内容

最新推荐文章于 2024-04-24 18:17:17 发布

dotedy

最新推荐文章于 2024-04-24 18:17:17 发布

阅读量3.6k

点赞数

最近java群好友发来一个html代码，要帮忙匹配查找html代码里面特定的内容：

代码如下：

      Html代码   
      
    
 <dl>  
   
 <dd>  
     <span class="gray6">年<span class="padl27"></span>代：</span>2013年</dd>  
   
 <dd>  
     <span class="gray6">朝<span class="padl27"></span>向：</span>东北</dd>  
   
 <dd>  
     <span class="gray6">楼<span class="padl27"></span>层：</span>第10层(共33层)</dd>  
   
 <dd>  
     <span class="gray6 ">结<span class="padl27"></span>构：</span>平层</dd>  
   
 <dd>  
     <span class="gray6">装<span class="padl27"></span>修：</span>毛坯</dd>  
   
 <dd>  
     <span class="gray6">住宅类别：</span>普通住宅</dd>  
   
 <dd>  
     <span class="gray6">建筑类别：</span>板楼</dd>  
   
 <dd>  
     <span class="gray6 ">产权性质：</span>个人产权</dd>  
   
 <dd>  
   
 </dl>  

伦理片 http://www.dotdy.com/

需求为找到 span中内容为：住宅类别的中后面的内容，即获取“普通住宅”文本，通过分析发现如果直接匹配到具体的

      Html代码   
      
 <dd>  <span class="gray6">住宅类别：</span>普通住宅</dd>

发现会有点麻烦，因为以<dd>开头并以</dd>结束的模式如果写的不好会匹配整个大段的html（去掉开头和结尾的dl）。所以匹配模式改为先匹配每一个dd中的内容，

则模式为：

      Java代码   
      
 String regex2 = "<dd.*?>([\\s\\S]*?)</dd>";

然后将匹配的dd字符串在去匹配span查找是否存在“住宅类别”文字。如果匹配说明是我们需要查找的

匹配span的模式为：

      Java代码   
      
 String regex3 = "<span.*?>住宅类别";

如果找到匹配的dd则将dd标签和span标签全部替换掉：思路如下：

      Java代码   
      
    
 dd=dd.replaceAll("<dd>", "");//替换开头的dd  
 dd=dd.replaceAll("</dd>", "");//替换结束的订单  
 dd=dd.replaceAll("<span.*?</span>", "");//替换span标签  

完整代码如下：

由于对正则不是很熟悉，纯粹的摸索。如果有更好的实现方法，往各位看官不吝赐教。

      Java代码   
      
    
 public static void main(String[] args) {  
           
         String oriStr = "<dl>"+  
                 "<dd>"+  
                 "    <span class=\"gray6\">年<span class=\"padl27\"></span>代：</span>2013年</dd>"+  
                 "<dd>"+  
                 "    <span class=\"gray6\">朝<span class=\"padl27\"></span>向：</span>东北</dd>"+  
                 "<dd>"+  
                 "    <span class=\"gray6\">楼<span class=\"padl27\"></span>层：</span>第10层(共33层)</dd>"+  
                 "<dd>"+  
                 "    <span class=\"gray6 \">结<span class=\"padl27\"></span>构：</span>平层</dd>"+  
                 "<dd>"+  
                 "    <span class=\"gray6\">装<span class=\"padl27\"></span>修：</span>毛坯</dd>"+  
                 "<dd>"+  
                 "    <span class=\"gray6\">住宅类别：</span>普通住宅</dd>"+  
                 "<dd>"+  
                 "    <span class=\"gray6\">建筑类别：</span>板楼</dd>"+  
                 "<dd>"+  
                 "    <span class=\"gray6 \">产权性质：</span>个人产权</dd>"+  
                 "<dd>"+  
                 "</dl>";  
   
         String regex2 = "<dd.*?>([\\s\\S]*?)</dd>";  
         String regex3 = "<span.*?>住宅类别";  
         Pattern pattern2 = Pattern.compile (regex2);  
         Pattern pattern3 = Pattern.compile (regex3);  
         Matcher match2 = pattern2.matcher (oriStr);  
         Matcher match3 = null;  
         while (match2.find ()){//取的每个dd标签  
             String dd = match2.group ();  
             System.out.println(dd);  
             match3 = pattern3.matcher(dd);  
               
             if(match3.find()){//找到dd中含有住宅列别的span 将没用的替换掉  
                 dd=dd.replaceAll("<dd>", "");  
                 dd=dd.replaceAll("</dd>", "");  
                 dd=dd.replaceAll("<span.*?</span>", "");  
                 System.out.println("\n\n\n\n\n找到啦......"+dd+"\n\n\n\n");  
             }  
         }  
           
     }  